一种提高错误定位效率的测试用例选择方法

为提高错误定位的效率,提出了多种测试用例约简与选择的方法,然而,过度的约简与不适的选择造成了部分测试信息丢失,引起了错误定位有效性的损失。本文提出了一种相似测试用例选择方法,用以约简测试集。该方法能消除偶然测试用例对错误定位准确性造成的偏差,通过为每个失败测试用例选择执行轨迹与其相似的成功测试用例的方式,最大限度地保留测试的全部信息;基于选择出的测试用例信息,利用已有的错误定位方法输出程序语句的可疑值列表。以Siemens程序集作为实验对象,证明了本文测试用例选择方法能显著提高错误定位的有效性。     

由分类算法学习软件错误定位的关联测度

基于谱的错误定位(SBFL)技术能找出导致程序出错的可执行代码.测试用例数目和覆盖语句次数可构造SBFL的二分型矩阵.利用该矩阵,人们提出许多的SBFL关联测度计算公式.然而,这些关联测度往往只适应部分程序集.因此,提出基于分类算法的技术,能学习到程序集特有的关联测度.训练集样本建立在成对的错误语句和正确语句上,其特征由语句对的条件概率相减而成.为证实技术的有效性,在Siemens套件、space和gzip三个基准数据集上完成实验.使用Weka的Logistic、SGD、SMO和LibLinear训练出的关联测度,性能都明显优于固定形式的SBFL测度.     

一种动态协议一致性测试方法

利用约束满足技术实现了一种新的动态协议一致性测试方法，解决了由于固定测试集的错误覆盖度、测试用例的相关性，以及实测结果的影响，导致实际测试中存在执行效率不高和实际测试范围可能被缩小的问题．     

能提高错误检测能力的回归测试用例集约简

软件测试过程中,测试用例集的规模可能会随着软件的维护和修改而飞速地增长,使得回归测试费用大幅度增加.为降低回归测试成本,需对回归测试用例集进行约简.现有的测试用例集约简方法不仅缩小了测试用例集的规模,同时也可能削弱了错误检测能力.本文提出了一种新的约简方法,该方法在约简回归测试用例集的时候综合考虑测试用例的测试覆盖度、测试运行代价和错误检测能力3个因素.通过仿真实验表明该方法在有效约简回归测试用例集的同时能保证约简后的测试用例集的错误检测能力.     

面向城轨列车智能视觉定位的安全测试方法

为了解决基于深度学习的列车智能视觉定位系统难以测试问题，提出一种面向列车智能视觉定位的安全测试方法。基于风格迁移思想，通过构建生成式对抗网络（GAN）实现测试用例的生成；基于深度变异测试方法，实现对测试用例错误检测能力的量化评价；针对城轨运营组织特点，提出一种“虚拟-半实-真实”平行测试平台架构，用于支持测试用例生成模型的构建和测试执行。实验结果表明，本方法生成的测试用例场景种类分布更为均匀多样，能够较为全面地测试模型在不同场景下的安全性，有效提升列车智能视觉定位的测试效率。     

基于FTU的馈线故障定位矩阵算法研究

为提高馈线自动化故障定位的准确性和时效性,总结了目前馈线自动化故障定位的几种应用模式,并分析了常用的故障定位矩阵算法的基本思想,在此基础上,依靠FTU(馈线终端单元)智能设备,提出了一种新的馈线故障定位矩阵算法,该算法采用有向边邻接矩阵来描述网络结构信息,通过多个矩阵的运算处理,可实现单电源树状网络、多电源开环运行网络以及馈线末端的故障准确定位。为验证算法的正确性,以一个多电源并列运行的复杂网络为例,在vs2008环境下采用C 语言编写了该定位算法程序,程序测试结果表明,该算法设计的正确、合理,能够实现馈线区段故障的准确定位。     

基于覆盖率的面向对象软件自适应随机测试方法

针对现有面向对象软件(OOS)自适应随机测试中挑选测试用例的有效性及错误检测率不高的问题,提出了基于覆盖率的面向对象软件自适应随机测试方法.新方法在生成候选测试用例集时考虑了代码覆盖率信息,将语句覆盖率同测试用例差异性信息综合考虑来挑选将执行的测试用例,从而提高错误检测率.给出了覆盖率动态排序监测技术整体框架、预处理模块、程序插桩模块及排序模块;叙述了DTCGOOS-Cov算法.采用ID3Manage,RabbitAndFox,SATM,SchoolManagement,WaveletLibrary以及WindShieldWiper这6个被测类库,将新方法与传统自适应随机测试方法和纯随机测试方法进行了对比试验.结果表明:基于覆盖率的OOS自适应随机测试方法在F_m和E_m这2项指标上要优于其他2种方法.     

基于馈线终端单元的馈线故障定位矩阵算法研究

为提高馈线自动化故障定位的准确性和时效性,总结了目前馈线自动化故障定位的几种应用模式;并分析了常用的故障定位矩阵算法的基本思想。在此基础上,依靠FTU(馈线终端单元)智能设备,提出了一种新的馈线故障定位矩阵算法;该算法采用有向边邻接矩阵来描述网络结构信息,通过多个矩阵的运算处理,可实现单电源树状网络、多电源开环运行网络以及馈线末端的故障准确定位。为验证算法的正确性,以一个多电源并列运行的复杂网络为例,在vs2008环境下采用C++语言编写了该定位算法程序。程序测试结果表明,该算法设计的正确、合理,能够实现馈线区段故障的准确定位。     

基于有限状态机的被动测试错误诊断

针对被动测试错误诊断算法只能推测出被测系统可能存在错误却无法准确定位错误的问题，提出了一种逐步定位系统实现错误的层次递进的方法．先利用测试序列的输入输出信息并结合错误模型生成初始诊断错误集合，再依据测试套上下文使用错误检测算法对该集合进行筛选，最后经连续观察或结合主动测试进行错误区分．实例验证结果表明，所提方法能够对绝大多数有单个实现错误的有限状态机模型进行错误定位．     

一种通信有限状态机的被动测试及其错误诊断

针对现有的被动测试方法无法解决嵌入式通信系统的错误检测问题，提出了一种被动测试错误检测方法．该方法在外部通道放置观察者，并使用了全局状态描述系统的当前可能状态，利用了观察到的输入输出信息，同时结合了模型转换推测出系统的状态变迁．基于该检测方法又设计出一种层次化的错误诊断算法，首先记录被动检测过程中系统经历的转换轨迹，用变异分析方法生成候选诊断，然后通过被动观察来降低错误集合的规模，最后使用区分序列和交叉判定进行错误定位．通过一个实际的H．245通信协议的实验表明，所提算法能够在有限观察步骤内检测出被测系统中的错误，并能有效定位检测错误，其回溯算法也可以显著缩短错误症状序列的长度．     

Testing Cross-Talk Induced Delay Faults in Digital Circuit Based on Transient Current Analysis

The delay fault induced by cross-talk effect is one of the difficult problems in the fault diagnosis of digital circuit. An intelligent fault diagnosis based on IDDT testing and support vector machines （SVM） classifier was proposed in this paper. Firstly, the fault model induced by cross-talk effect and the IDDT testing method were analyzed, and then a delay fault localization method based on SVM was presented. The fault features of the sampled signals were extracted by wavelet packet decomposition and served as input parameters of SVM classifier to classify the different fault types. The simulation results illustrate that the method presented is accurate and effective, reaches a high diagnosis rate above 95%.     

基于分布智能传播的自动故障管理

提出一种新的基于分布智能传播的自动故障管理系统(AFMDIP),该系统采用人工智能和网络分布管理技术,引入协作代理,提高了系统数据采集能力.代理用神经网络和事例暂存库进行告警收集、分类和事例管理.域内的故障首先由代理进行诊断,域内不能解决的问题将提交给管理中心.管理中心综合考虑各个域的信息,进行基于事例推理的故障诊断,并将事例传播到代理中.后续的类似故障将由代理直接完成诊断,提高了故障管理的效率,达到了信息和事例共享的目的.实验证明,AFMDIP有效降低了管理中心的带宽消耗,提高了在大范围多故障情况下的故障诊断速度.     

Identification of Transient and Permanent Faults

A new algorithm was developed for arcing fault detection based on high-frequency current transients analyzed with wavelet transforms to avoid automatic reclosing on permanent faults. The characteristics of arc currents during transient faults were investigated. The current curves of transient and permanent faults are quite similar since current variation from the fault arc is much less than the voltage variation. However, the fault current details are quite different because of the arc extinguishing and reigniting. Dyadic wavelet transforms were used to identify the current variation since wavelet transform has time-frequency localization ability. Many electric magnetic transient program (EMTP) simulations have verified the feasibility of the algorithm.     

基于抽象语法树的代码静态自动测试方法研究

软件测试是排除软件故障，提高软件质量和可靠性的重要手段。从是否需要执行被测程序角度考虑，软件测试分为静态测试和动态测试。动态测试通过输入测试数据，动态执行程序来发现软件中存在的错误。尽管动态测试能发现部分软件错误，但对于一些特殊类型错误的检测无效。鉴于此，本文采取了一种特殊的静态分析技术来实现对代码的测试。本文首先讨论了传统软件测试方法的缺点和局限性，给出了软件的故障模型，进而提出了基于抽象语法树的静态分析技术，并给出了故障自动检测算法。依据该算法开发了自动化测试工具，给出了实验结果和对比分析，并指出了下一步的研究方向。     

Construction of network fault simulation platform and event samples acquisition techniques for event correlation

Event correlation is one key technique in network fault management. For the event sample acquisition problem in event correlation, a novel approach is proposed to collect the samples by constructing network simulation platform. The platform designed can set kinds of network faults according to user's demand and generate a lot of network fault events, which will benefit the research on efficient event correlation techniques. Foundation item: Supported by the National Natural Science Foundation of China (69983005) Biography: Su Yu-bei(1972-), male, Ph.D. candidare, research direction: intelligent network fault management.     

基于插桩技术的程序谱构建方法

为了满足软件测试、软件调试和程序优化等领域对程序谱的需求,提出了基于插桩技术的程序谱构建模型,主要包括插桩预处理、双缓冲处理、有穷自动机处理识别插桩点、植入探针生成插桩代码、编译连接并执行插桩程序以收集执行轨迹构建程序谱。采用双缓冲处理机制,可有效提高源代码处理效率,有穷自动机能够准确识别插桩点。在软件错误定位中的应用结果表明基于插桩技术构建的程序谱可为准确、高效的程序理解和分析提供方便。     

基于自适应学习算法的智能代理网络故障监测

提出一种基于自适应学习算法的故障监测智能代理,通过分段测量抽取描述网络正常行为的ＭＩＢ变量值并检测偏差,对学习获得的信息经由贝叶斯图加以组合,从而鉴别未知的或不可预见的故障．实验结果表明,智能监测代理系统能够在故障发生以前检测网络异常行为．     

基于时频分析的网络故障自动识别

通过研究网络流量的时频分析,提出了一种新的基于平滑魏格纳分布(WVD)的故障识别算法.该算法只利用管理信息库中的标准信息来识别不同种类的故障,而且与现有的简单网络管理协议体系结构兼容.采用平滑WVD可消除交叉项的干扰,并将网络流量序列转换为二维空间的波动能量分布.用获取的不同网络服务的时频特性分布作为训练样本,训练后的K最近邻分类器可实现网络故障的识别.实验中,故障识别结果与预设的场景一致,与理论值相比识别误差率为14 41%.分析结果表明,该算法适用于具有流量变化的故障场景.